研究提出双层集成方法量化大模型黑盒不确定性
热点事件持续更新
研究提出双层集成方法量化大模型黑盒不确定性
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
Wang Ma 等在 arXiv 发布论文,提出一种双层集成(Ensemble-of-Ensembles)方法,对大语言模型做仅依赖黑盒采样访问的不确定性量化,可分解偶然不确定性与认知不确定性:固定提示词的随机解码构成内层集成,保义语义扰动构成外层集成。 论文称,在 5 个短问答 benchmark 和 4 个指令微调 LLM(跨两个家族、两个规模)上,该方法与强白盒基线相当,并以 3 项理论结果支撑;还可在 NQ 长答案子集上做无需重训练的 claim 级事实性评估。
AI 根据报道生成 · 3 小时前更新
最新进展11月16日 13:00
基于 Ensemble-of-Ensembles 的大语言模型黑盒不确定性量化报道时间线
沿着报道,了解事件的不同侧面。
11月16日
- arXiv cs.AI基于 Ensemble-of-Ensembles 的大语言模型黑盒不确定性量化
一种双层集成方法实现对大语言模型的黑盒不确定性量化,仅靠采样访问即可分解偶然不确定性(AU)与认知不确定性(EU):固定提示词的随机解码构成内层集成,保义语义扰动构成外层集成。在 5 个短问答 benchmark 和 4 个指令微调 LLM 上,该方法与白盒基线相当,并以 3 项理论结果提供支撑,还可在 NQ 长答案子集上做无需重训练的 claim 级事实性评估。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1011月16日 14:00
- 近 24 小时变化
- –
02.557.510
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。